Matplotlib可视化教程:Matplotlib的使用

Matplotlib绘图样式

线条属性

  • color颜色
  • linewith宽度
  • linestyle样式
  • alpha透明度
  • marker标记
  • mfc:make face color 标记的背景颜色
python 复制代码
import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = plt.subplot(111)
ax2 = ax1.twinx()

ax1.set_xlabel("Distance")
ax1.set_ylabel("Density")
ax2.set_ylabel("Temperature")

ax1.plot([0, 1, 2], [0, 1, 2], 

label="Density",color='red',marker='o',linestyle='solid',mfc='b',markersize=10,markeredgecolor='g',markeredgewidth=1,)

ax2.plot([0, 1, 2], [10, 13, 12], label="Temperature",c='b',marker='v',alpha=0.3,)

fig.legend()

Matplotlib设置坐标轴

​ 图表坐标轴是用来显示和表示数据的数值在图表中的位置的线性轴线。坐标轴有两个方向:水平轴(X轴)和垂直轴(Y轴)

单轴设置X与Y轴刻度

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

#1:准备数据
# 1天的温度
data = [-4,-2,-1,0,1,2,-3,5,3,1]
#时间
x = range(1,11)
#绘制图像
plt.plot(x,data)

# x轴刻度
x_ticks = [f'{i}点' for i in range(1,len(data))]
#设置X轴刻度
plt.xticks(x_ticks)
#设置Y轴刻度
y_ticks = range(min(data),max(data)+1)
plt.yticks(y_ticks)
plt.show()

双轴设置y轴刻度

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

#方法一
#   1;准备数据
#  1天24小时的温度
data1 = [-5,1,5,2,6,8,11,13,12,10,9,4,6,4,3,2]
#  1天24小时的湿度
data2 = [-2,4,5,2,7,8,11,13,12,10,9,4,6,4,3,2]
x = range(0,len(data1))
#   2:创建画布
fig,ax1 = plt.subplots()
#   3:绘制图像
ax1.plot(x,data1,label='温度')
plt.yticks(range(min(data1),max(data1)+1))
#设置共享X轴
ax2 = ax1.twinx()
#   5:绘制图像
ax2.plot(x,data2,label='湿度',color='r')
plt.yticks(range(min(data2),max(data2)+1))

#显示图例
fig.legend()

#方法二
#   1;准备数据
#  1天24小时的温度
data1 = [-5,1,5,2,6,8,11,13,12,10,9,4,6,4,3,2]
#  1天24小时的湿度

data2 = [-2,4,5,2,7,8,11,13,12,10,9,4,6,4,3,2]
x = range(0,len(data1))
#   2:创建画布
fig,ax1 = plt.subplots()
#   3:绘制图像
ax1.plot(x,data1,label='温度')
ax1.set_yticks(range(min(data1),max(data1)+1))
#设置共享X轴
ax2 = ax1.twinx()
#   5:绘制图像
ax2.plot(x,data2,label='湿度',color='r')
ax2.set_yticks(range(min(data2),max(data2)+1))

#显示图例
fig.legend()

Matplotlib网格与标题

pyplot.grid

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

# 1:设置表格
data = [-5,1,4,7,3,6,5,7,3,7,3,9,6]
x = range(1,len(data)+1)

plt.plot(x,data)
plt.grid(axis='x',ls='--',lw=1,c='gray',alpha=0.4)      

pyplot.title 与 pyplot.suptitle

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False


#2:设置标题

data = [-5,1,4,7,3,6,5,7,3,7,3,9,6]
x = range(1,len(data)+1)

plt.plot(x,data)
plt.title('一日温度',fontsize = 16) #设置标题方法一
plt.suptitle("2030年1月1日温度",fontsize = 16)#设置标题方法二

Matplotlib绘制文本

pyplot.text方法

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

# 绘制文本
data = [-5,1,4,7,-3,6,5,7,4,7,3,9,6]
x = range(1,len(data)+1)

plt.plot(x,data,marker='o',linestyle='--')
for i,j in zip(x,data):
    # ha 横向的对齐方式
    # va 纵向的对齐方式
    plt.text(i+0.3,j,j,fontsize = 16,color='black',ha='center',va='center')

Matplotlib注释的使用

pyplot.annotate方法

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

# 注释的使用
data = [-5,1,4,7,-3,6,9,6,4,7,8,8,6]
x = range(1,len(data)+1)
#获取最大值
max_value = max(data)
max_index = data.index(max_value)+1

min_value = min(data)
min_index = data.index(min_value)+1

plt.plot(x,data,marker='o',ls = '--')
plt.annotate(
    '最大值',    #注释文本
    xy = (max_index,max_value),   #注释点
    xytext=(max_index+1,max_value-1),   #注释文本位置
    arrowprops={
        'width':2,              #箭头宽度
        'facecolor':'black',    #箭头颜色
        'headlength':5,         #箭头长度
        'headwidth':6,          #箭头宽度
        'shrink':0.2,           #箭头收缩比例
    }
    )

plt.annotate(
    '最小值',
    xy = (min_index,min_value),
    xytext=(min_index+1,min_value+1),
    arrowprops={
        'width':2,
        'facecolor':'black',
        'headlength':5,
        'headwidth':6,
        'shrink':0.2,
    }
    )

Matplotlib保存图表

pyplot.savefig

python 复制代码
from matplotlib import pyplot as plt

#设置中文字体
plt.rcParams['font.sans-serif'] = 'SimHei'
#显示正常显示符号
plt.rcParams['axes.unicode_minus'] = False

data = [-5,1,4,7,-3,6,9,6,4,7,8,8,6]
x = range(1,len(data)+1)

ata = [-5,1,4,7,3,6,5,7,3,7,3,9,6]
x = range(1,len(data)+1)

plt.plot(x,data)
plt.grid(axis='x',ls='--',lw=1,c='gray',alpha=0.4) 
plt.suptitle("2030年1月1日温度",fontsize = 16)

plt.savefig('./img/line1')
plt.savefig('./img/line2.png')
plt.savefig('./img/line3.jpg')
plt.savefig('./img/line4.svg')
plt.savefig('./img/line5.pdf')
plt.savefig('./img/line6.png',dpi=200)
plt.savefig('./img/line7.png',dpi=500)
plt.savefig('./img/line8.png',facecolor='gray')
plt.savefig('./img/line9.png',pad_inches=10)
相关推荐
Highcharts.js28 分钟前
Highcharts与TypeScript集成指南
前端·javascript·typescript·前端框架·数据可视化·highcharts
Highcharts.js1 天前
Workbuddy + Highcharts Orbit:工作区数据自动建模与可视化分析实践
前端·javascript·信息可视化·数据可视化·highcharts·可视化图表·workbuddy
Bigger2 天前
别再手搓调色板了:Vue 3 一个组件搞定纯色、渐变和画布吸管取色
前端·vue.js·数据可视化
IndustrialSphere4 天前
工业历史趋势图为什么会误导人?用三条数据检查倒序、缺测和截断
api·数据可视化·工业软件·industrialsphere·历史数据
慧都小妮子9 天前
Wyn商业智能国产数据库适配:数据接入、分析缓存与审计日志验证清单
数据库·数据分析·数据可视化·审计日志·商业智能
Flynn Liang10 天前
Apache Superset 重要特性详解(三):语义层 / 权限 / 缓存 / 嵌入的实战最佳实践(2026 版)
大数据·clickhouse·数据可视化·架构设计·superset·数据分析平台
一晌小贪欢11 天前
Python基础:第 09 篇 · while 循环:重复直到不满足
开发语言·c++·python·数据可视化·面向对象·python办公
报表开不开发14 天前
用开源报表工具SpringReport做车间大屏+Excel 导出,我踩过的一些坑,基于最初版本的设计开发
数据可视化
QuZhengRong14 天前
【Luck‑Report】 AI 智能报表助手 + RAG 知识库 + 报表引擎 V2.0.9 更新
github·agent·报表·开源项目·数据可视化
MetWeave14 天前
风的三十年:一个机场的风在变小吗:10,958 天的账(《风不是一个数》系列第 6 篇)
前端·数据可视化